[發明專利]動力學模型參數辨識方法、裝置、計算機設備及存儲介質

有效

• 申請號: 201711070985.5
• 申請日: 2017-11-03
• 公開（公告）號: CN107703756B
• 公開（公告）日: 2021-03-02
• 發明（設計）人: 陽方平
• 申請（專利權）人: 廣州視源電子科技股份有限公司
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

1.一種動力學模型參數辨識方法，其特征在于，包括：

獲取機械臂各關節沿設定激勵軌跡運動時在當前采樣時刻測量的關節角度值和力矩數據，其中，所述設定激勵軌跡為基于現有的參數辨識設定的用于控制機械臂各關節運動的軌跡，所述當前采樣時刻根據由設定的采樣周期實時確定；

分別對各所述關節角度值以及各所述力矩數據進行濾波處理，獲得各所述關節在所述當前采樣時刻的目標狀態數據和目標力矩數據，所述濾波處理包括：卡爾曼濾波、中值濾波以及低通濾波；

根據各所述目標狀態數據及所述目標力矩數據優化動力學模型，并辨識所述動力學模型中的未知動力學參數；

其中，所述根據各所述目標狀態數據及所述目標力矩數據優化動力學模型，并辨識所述動力學模型中的未知動力學參數，包括：

基于各所述目標狀態數據，優化動力學模型中線性化參數模型部分的線性函數矩陣；

獲取為所述機械臂各關節預先設定的電機慣性力，并獲取所述機械臂各關節運動時產生的關節摩擦力；

根據各所述目標力矩數據及對應的電機慣性力和關節摩擦力，優化所述動力學模型中的力矩數據矩陣；

根據所述線性函數矩陣及所述力矩數據矩陣，采用最小二乘法獲取所述動力學模型中的未知動力學參數。

2.根據權利要求1所述的方法，其特征在于，所述分別對各所述關節角度值以及各所述力矩數據進行濾波處理，獲得各所述關節在所述當前采樣時刻的目標狀態數據和目標力矩數據，包括：

采用設定的卡爾曼濾波策略處理各所述關節角度值，確定各所述關節在所述當前采樣時刻對應的目標狀態數據；

采用設定的低通濾波策略處理各所述力矩數據，確定各所述關節在所述當前采樣時刻對應的目標力矩數據。

3.根據權利要求2所述的方法，其特征在于，所述采用設定的卡爾曼濾波策略處理各所述關節角度值，確定各所述關節在所述當前采樣時刻對應的目標狀態數據，包括：

獲取各所述關節由上一采樣時刻過渡到所述當前采樣時刻時所產生過程誤差的過程協方差矩陣；

獲取在所述當前采樣時刻測量各所述關節的關節角度值時所產生測量誤差的測量協方差矩陣；

獲取各所述關節在所述上一采樣時刻確定的上一目標狀態數據和上一整體誤差的上一整體協方差矩陣；

將各所述過程協方差矩陣、測量協方差矩陣、上一目標狀態數據、上一整體協方差矩陣以及各所述關節角度值作為卡爾曼濾波公式的已知信息，獲得各所述關節在所述當前采樣時刻對應的目標狀態數據及整體誤差的整體協方差矩陣。

4.根據權利要求3所述的方法，其特征在于，所述目標狀態數據包括：濾波后的關節角度值θ、關節角速度值以及關節角加速度值

所述卡爾曼濾波公式表示為：

其中，k表示第k個采樣時刻，k為大于0的整數，為包含關節在第k采樣時刻的目標狀態數據的三維向量，表示為P_k為第k采樣時刻的整體誤差的整體協方差矩陣；A為設定的3×3矩陣；為包含關節在第k-1采樣時刻的目標狀態數據的三維向量；表示為：P_k-1為第k-1采樣時刻的整體協方差矩陣，Q_k為第k采樣時刻的測量協方差矩陣；H為設定的一維向量；R_k為第k采樣時刻的過程協方差矩陣；Z_k為由第k采樣時刻量測的關節角度值組成的1×1矩陣。

5.根據權利要求2所述的方法，其特征在于，所述采用設定的低通濾波策略處理各所述力矩數據，確定各所述關節在所述當前采樣時刻對應的目標力矩數據，包括：

將各所述力矩數據及各所述關節在歷史采樣時刻的歷史目標力矩數據作為巴特沃斯濾波器所對應濾波公式的已知信息，獲得各所述關節在所述當前采樣時刻的目標力矩數據；

相應的，所述濾波公式表示為：

其中，a_i和b_i均為巴特沃斯濾波器中設定的濾波系數，i取1,2,3,4,5；k表示第k個采樣時刻，y(k)表示關節在第k采樣時刻的目標力矩數據；x(k)表示關節在第k采樣時刻獲得的力矩數據；y(k-j)表示關節在第k-j采樣時刻對應的目標力矩數據，x(k-j)表示關節在第k-j采樣時刻對應的目標力矩數據，j取1,2,3,4。